Python进阶(12)：网络爬虫Request与Response

网络爬虫网络爬虫(又被称作网络蜘蛛、网络机器人在某社区中经常被称为网页追逐者)可以按照指定的规则(网络爬虫的算法)自动浏览或抓取网络中的信息通过Python可以很轻松地编写爬虫程序或者是脚本。在生活中网络爬虫经常出现搜索引擎就离不开网络爬虫。例如百度搜索引擎的爬虫名字叫作百度蜘蛛(Baiduspider)。百度蜘蛛是百度搜索引擎的一个自动程序。它每天都会在海量的互联网信息中进行爬取收集并整理互联网上的网页、图片视频等信息。然后当用户在百度搜索引擎中输入对应的关键词时百度将从收集的网络信息中找出相关的内容按照一定的顺序将信息展现给用户。百度蜘蛛在工作的过程中搜索引擎会构建一个调度程序来调度百度蜘蛛的工作这些调度程序都是需要使用一定的算法来实现的采用不同的算法爬虫的工作效率也会有所不同爬取的结果也会有所差异。基本原理Python实现HTTP请求常见的三种方式urllib,urllib3,requests,其中urllib是Python自带模块urllib3和requests需要手动安装终端输入 pip install requests 进行安装urllib模块的函数信息示例程序【NetRequest.py】import urllib.request import urllib.parse import urllib3 #需要安装包 import requests #在下面的终端输入 pip install requests 进行安装 #打开指定需要爬取的网页 responseurllib.request.urlopen(https://www.baidu.com) htmlresponse.read() print(html) print(----------------------演示post----------------------) databytes(urllib.parse.urlencode({word:hello}), encodingutf8) responseurllib.request.urlopen(http://www.httpbin.org/post,datadata) htmlresponse.read() print(html) print(----------------------使用urllib3库----------------------) httpurllib3.PoolManager() responsehttp.request(GET,http://www.baidu.com/) print(response.data) print(----------------------使用requests库----------------------) responserequests.get(http://www.baidu.com/) print(状态码:,response.status_code) print(url地址:,response.url) print(headers头信息:,response.headers) print(cookie信息:,response.cookies) print(文本源码:,response.text) print(字节源码,response.content) #超时时间为5秒,一个不存在的url try: responserequests.post(http://www.xyzsnake.com/post,timeout5) print(文本,response.text,,状态码,response.status_code) except Exception as e: print(异常信息:,str(e))运行如图